一条帖子做 61 项判断，大约 1 秒，成本作者报了约 0.0004 美元。
刷屏的不是又一个聊天模型。是把每天重复几十次的小判断，压到够快、够便宜，才值得塞进流程。@3three_AI 把公开案例翻过一遍，按“国内用户先能用上什么”重排：标题该不该发、哪一段像套话、五百条新闻留二十、工单分给谁、Agent 下一步点哪个按钮。
写，仍交给生成模型。算，交给代码。大量小判断，才轮到 Jev。它输出格式稳，不代表永远正确。适合筛、排、辅助，不适合把最终责任写进它的分数里。
先记下入口
- TypeSafe 与 Jev 介绍：https://typesafe.ai/
- 博客原文入口（帖中列出）：https://typesafe.ai/blog/introducing-system-one-models-and-jev
- OpenRouter 报价页：https://openrouter.ai/typesafe/jev-1.13
- 帖主整理来源：https://x.com/3three_AI/status/2102234751591653484
公开单价大约是输入 0.042 美元 / 百万 token，输出免费。用“平均 2000 token、每天一万次”做算术，模型输入可能不到 1 美元。这不包括浏览器、服务器、OCR、别的模型和重试。上线不能只看这一行。
它答三种题：Choice 单选，Score 打分，Noul 给某条件成立的概率。
内容侧：先解决“写了二十个版本看哪个”
标题体检。Rob Hallam 的演示里，一条帖子过约 61 问，标准来自大批真实帖子。作者自报测试里，大约三次里两次能挑出传播更好的版本。中文可改成：标题十选三、开头诊断、前三秒口播、Hook 对比。流程是多写几个，模型打分，人做终选。高分不保证爆。它解决的是排队，不是天命。演示：https://x.com/robj3d3/status/2100722975645598191
找“AI 味”。Sniff Test 逐段问：结论是否重复、表达是否空、结尾是否再复读、有没有“不是 X 而是 Y”这类模板。它不是鉴定文章是否由模型代笔，只标读起来像套话的段落，让你改那几处而不是整篇重写。演示：https://x.com/DanRWilloughby/status/2100990605308441076
信息流压缩。Upweight 一类做法是按深度、实用性、新鲜度重排来源。国内对应的是：先抓，再问是否相关、是否重复、今天值不值得写。写之前的筛选，往往比“再生成一篇”更省时间。案例：https://x.com/VisheshBaghell/status/2100536228827496721
按收藏习惯分流。把你保存过的帖子当例子，新内容分成不看、扫一眼、留下。不必重训模型。演示：https://x.com/redp314/status/2100915304062710263
内容防火墙。用自然语言写不想看什么，而不是维护一张关键词黑名单。广告、喊单、只有情绪没有信息的帖，可以先折叠。规则仍是你写的，误伤也是你的。演示：https://x.com/marcelpociot/status/2100520134481735729
帖主自己的建议也落在这两处：内容评分加信息筛选。不改公司系统，也能先拿现稿和素材库跑几天。
业务侧：分类和填表，不负责把话写完
客服第一层：退款、物流、故障、咨询，紧急程度，转到哪一组。回复仍交给会写字的模型或人。销售线索分级同理：明确问价格、留联系方式、问周期的优先看。确定性规则用代码，写不进 if/else 的那截用判断模型。
表单和后台。求职扩展作者报过一次申请里 Jev 相关成本约 0.0013 美元。可迁移的是结构稍有不同的重复录入：资料、商品、CRM、报销。脚本怕页面一改就碎；判断层夹在中间，仍要人看提交结果。演示：https://x.com/vammu920/status/2100591409447174261
批量投递、绕过平台规则的玩法，不是这篇文章的范围。正当用法是减少你有权处理的重复判断，不是把自动化开成骚扰。
Agent 侧：下一步点谁，以及能不能动手
浏览器里从可点元素里选下一步，比每步截图问视觉模型更对题。jev-ultrafast：https://github.com/browser-use/jev-ultrafast
电脑上的重复操作、聊天框里的工具路由，本质都是“这句话该调哪个工具、参数是什么”。编码场景则是审查：diff 里哪一段先看、是否过度设计、多个写代码的 Agent 有没有跑偏。
相关项目包括：
https://github.com/awlevin/typesafe-computer-use
https://github.com/devagrawal09/jev-review
https://github.com/thruwire/foreman
https://github.com/blakestone-x/jev-mcp
接上 MCP 还不够，要明确告诉主模型哪些题该交给 Jev，否则它可能直接自己答。
执行前的安全检查，是另一类闸门：删文件、跑命令、调内部接口之前，先问这一步能不能放行。Vercel 相关讨论见 https://x.com/rauchg/status/2100307962262872105 。闸门降低的是鲁莽，不是把责任从人身上卸走。长期 Agent 的上下文膨胀，也可以让模型标哪些历史还值得留。家庭或办公室传感器提醒、在白板上画流程，证明它能连着做“状态 → 判断 → 动作”。马里奥和 DOOM 同理：普通用户不必玩，只需理解高频小判断才是它的主场。
游戏与仿真仓库：
https://github.com/fhshaik/typesafe-mario
https://github.com/RomanSlack/jev-drone
聊天路由演示：https://x.com/CodingGarden/status/2100665210419950031
便宜，仍然要验收
厂商和作者数字是自报。61 问、0.0004 美元、机票 7.1 秒、p95 延迟提升，都绑定具体任务和实现。换中文、换工单、换你的后台，校准和时延都要重测。尤其是“高把握自动过”：把握不准，闸门是漏的。
它适合把复杂流程里不起眼的分支变得够便宜。不适合当更聪明的 ChatGPT。个人从稿件和信息流试；企业从分类和放行试。几天就能感觉出来：是开发者圈玩具，还是能进你工作流的零件。
零件可以很快。终审还在人这边。
No comments yet